高忠実度表面再構成のための自己拘束事前情報を用いた3Dガウシアン・スプラッティング

要約：3D表面のレンダリングは、放射輝度場のモデリングにおいて、3DGSまたはNeRFのいずれかを通じて大きく変革されてきました。
ただし、3DGSはレンダリング品質や速度の点でNeRFより有利であることが示されていますが、3DGSを通じて高忠実度の表面を再現することにはまだ改善の余地があります。
この問題を解決するために、3Dガウスの学習を制約する自己制約の事前分布を提案し、より正確な深度レンダリングを目指します。
我々の自己制約事前分布は、現在の3Dガウスでレンダリングされた深度マップを統合して得られるTSDFグリッドから導出されます。
この事前分布は、推定表面の周囲に距離場を測定し、表面を中心とする帯域を提供して、3Dガウスに対してより具体的な制約を課すことを可能にします。例えば、帯域の外にあるガウスを除去する、帯域に近づけるようガウスを表面の方へ動かす、そして幾何情報を考慮した方法で不透明度を大きくしたり小さくしたりすることです。
さらに重要なことに、この事前分布は通常よりも正確で完全な最新の深度画像によって定期的に更新されます。
さらに、この事前分布は帯域を徐々に狭くして課せられた制約をより厳しくすることもできます。
私たちはこのアイデアの正当性を裏付け、広く用いられているベンチマークで最先端手法に対する優位性を評価の結果として報告します。